基于稀疏测量矩阵的单像素成像方法性能分析

测量矩阵是单像素相机性能的关键因素。测量矩阵决定了压缩重构能否成功和成像的质量,同时也决定了光线资源的利用率。在压缩感知中,稀疏测量矩阵可以较好的实现压缩重构,重构质量较好。但是在单像素相机中,稀疏测量矩阵每次采样的像素点比较少,光线强度也就比较小,有可能降低单像素探测器的灵敏度,影响成像质量。本文就针对单像素成像中稀疏测量矩阵的稀疏率与成像质量之间的关系进行分析,探究稀疏率与单像素探测灵敏度之间的关系,研究稀疏率选择的准则。     

一种基于混沌系统的压缩感知测量矩阵的构造

针对压缩感知中随机测量矩阵的不确定性及硬件上难以实现等缺点,提出一种基于混沌系统压缩感知图像处理算法,该算法首先对图像进行分块,经DCT变换稀疏化,其次再由基于混沌系统测量矩阵感应采样,最后经由OMP算法重构。实验仿真得出,在分块压缩感知的基础上,混沌系统构造的测量矩阵与一般随机测量矩阵重构效果类似,所构造混沌测量矩阵是确定的、硬件上易于实现。     

基于多元正态概率模型的贝叶斯概率矩阵分解研究

传统的概率矩阵分解技术,忽视了信息消费者间的信任关系和关注关系,使其推荐性能和推荐质量不断下降,针对以上问题,提出基于多元正态概率模型的贝叶斯概率矩阵分解算法,以多元正态概率模型作为先验分布,实验中通过计算Gibbs sampling过程中迭代次数来达到数据的稀疏性。在联合概率未知和条件概率易得等情况下,引用Gibbs sampling技术进行计算,实验中引用MAE、RMSE两种方法进行误差评价。实验结果表明:在稀疏矩阵的检测中,改进的贝叶斯概率矩阵分解算法的预测精密度更加稳定,对缓解矩阵稀疏性问题更加有效。     

基于云填充和蚁群聚类的协同过滤图书推荐算法

针对传统协同过滤技术在图书推荐中效率不高、数据极端稀疏性及主观性强等问题,提出一种基于云填充和蚁群聚类的协同过滤图书推荐方法,首先根据蚁群聚类算法得到用户群分类,然后在进行协同过滤前预先通过云模型填充用户——项目矩阵,以降低数据的稀疏性。实验结果表明,该算法在推荐精度上有明显的提高。     

基于压缩小波的超宽带天线组网传递算法

超宽带通信技术中,对大数据的有效通信是一个难点问题,一旦数据过大,会造成信道阻塞,产生拥塞,造成超宽带天线通信效果降低。为了解决这一问题,提出一种基于压缩小波的超宽带天线组网传递算法。通过建立小波数据的有效压缩模型,把需要传递的数据分解为小波高频和低频系数,对高频区域进行压缩,保证天线通信效率。后期的Matlab软件仿真实验表明,算法在大数据的超宽带天线通信方法上取得了较好的效果。     

压缩感知在脉冲超宽带穿墙雷达中的应用

传统的超宽带穿墙雷达数据采样需要满足 Nyquist 采样定理,超宽带大数据量增大了 A/D 转换时的硬件压力,压缩感知理论突破了传统 Nyquist 采样的限制,它是基于信号的稀疏性,测量矩阵的随机性和非线性优化算法来对信号进行压缩采样和重构.文章针对超宽带穿墙雷达的具体工作过程和穿墙雷达目标成像空间的稀疏性提出了一种基于压缩感知理论的成像方法,并通过仿真表明了该方法的可行性和有效性.     

基于稀疏压缩感知的医学图像重构算法的研究

为了更好地适应压缩图像技术的发展,针对图像重构对于资源的需求,本文提出了一种基于稀疏压缩医学图像方法,首先描述压缩感知图像中组成部分,然后在稀疏变换方面引入了字典学习概念,同时引入SCAD函数,有效提高了稀疏变换的要求,对于图像的降噪具有一定的促进,在重构算法部分引入了加权系数概念,使得改进后的算法使得回复重构具有更强的约束,通过测试函数证明,本文的算法在医学图像具有比较好的压缩效果,优于传统的重构算法。     

基于稀疏重构的多用户MIMO网络联合反馈策略

为解决多用户MIMO-OFDM网络反馈链路所面临的反馈链路开销大与频谱效率低的问题,提出了一种基于稀疏重构的多用户MIMO网络联合反馈策略。该策略将压缩感知应用于多用户MIMO-OFDM网络有限反馈,首先在接收端对由信道估计得出的信道状态信息进行稀疏重构,以最大程度降低反馈链路开销,然后观测矩阵自适应地反馈到发送端,在发送端通过压缩感知重构策略重构原始信道信息,有效降低了反馈链路处理复杂度和传输的数据量。仿真结果表明,在反馈量相同的前提下,该策略的反馈开销和频谱率性能都优于传统有限反馈机制,降低了通信链路的整体开销,并一定程度上改善了网络拥塞。     

十字链表存储技术在协同过滤中的应用

基于项目的协同过滤推荐算法离线生成项目相似性,但是高维、稀疏的用户-项目评分矩阵对服务器存储空间要求较高,同时还存在空间浪费.针对上述问题,将十字链表存储技术引入到协同过滤中,对用户-项目评分矩阵进行压缩存储,从而有效减少了物理空间占用,并用C Builder 6.0实现了十字链表存储程序.     

基于压缩感知下的数字水印算法的研究

如何提高压缩感知下的数字水印的效果一直以来都是水印算法的研究方向。本文提出了基于字典学习的网络自适应稀疏变换方法,该方法构建自适应最优稀疏变换基,在字典学习问题中引入网络数据稀疏基的可压缩约束,以满足水印图像数据处理特点及稀疏变换的高实时性要求,通过在水印的嵌入和提取中运行改进后压缩感知算法在鲁棒性和隐蔽性等方面都取得了比较好的效果。仿真实验说明本文的算法具有很好的可行性。     

DVB-S2标准中LDPC码性能研究

低密度奇偶校验（LDPC）码是一种具有稀疏奇偶校验矩阵的线性分组码,其性能可逼近香农限。由于其具有优异的性能,非常适合在未来的无线通信系统中应用,已成为信道编码领域的研究热点。DVB—s2是欧洲数字视频广播项目组在2003年开发出来的第二代卫星广播标准,采用了LDPC码作为前向纠错码。文章在分析LDPC码的基础上,研究...     

Storage and retrieval considerations of binary data bases

A binary approach to data storage and retrieval is introduced. It views the data base as a two-dimensional matrix that relates entities to all possible values the attributes of these entities may take. As such, it provides a unified solution to the two conflicting types of data base transactions—operational and managerial. An analytical investigation of the feasibility of binary storage and a compression method for reducing meaningless areas of the matrix are presented. Storage efficiencies of binary and conventional inverted file methods are compared and evaluated. An analysis of retrieval considerations associated with the binary matrix is given, particularly the issue of going from high to low orders of compression. Results of these analyses indicate that the binary data base's efficiency increases with increases in query complexity. Future research directions are sited and discussed.     

基于哈希表的稀疏图像压缩算法研究

随着互联网技术的不断发展,以图像为主要载体的多媒体信息大大丰富了我们的生活。但由于图像数据量庞大,存储和传输时受到很大限制,使得图像压缩成为图像处理中的一个重要环节。图像压缩就是利用图像自身的相关性来消减图像的冗余信息,保留有用的信息。经过多年的研究,人们已经提出了多种图像压缩方法,并在许多领域取得了良好的应用效果。但这些方法主要是针对普通密度的图像,而对于稀疏图像的压缩,目前有效的压缩方法还屈指可数。对图像压缩技术的发展历程进行了回顾,给出了一种基于哈希表的对稀疏数据压缩方法,并利用VC＋＋6．0平台,实现了基于哈希表的数据压缩系统。     

基于压缩感知的短波多天线分集合并接收方法

在短波通信中,为了克服信道中的多径干扰、衰落和多普勒频移等对接收信号的影响,实现低信噪比下,信号高速传输,文章提出了一种基于压缩感知的短波多天线分集合并接收系统设计方法。该系统有效地将OFDM调制方式和压缩感知相结合,充分利用了OFDM调制方式频谱效率高、抗多径衰落能力强等优势以及压缩感知抗干扰能力强、能以低采样率高精度重建待测信号的特性。实验结果表明:与现有的短波通信系统相比,在信号受强噪声干扰且高速传输的情况下,重建性能最优。     

高新技术企业基建管理机制问题与对策

高新技术企业发展迅速,基建规模不断扩大,职能型基建管理机制满足不了企业基础建设要求。以深圳某高新企业为例,采用实证分析的方法,阐明了企业原有基建管理体制产生内部沟通效率低,项目资源冲突,企业领导忙于繁杂的协调事务等问题的原因。采取基于项目管理办公室的优化矩阵型组织结构对策来解决企业基建管理机制问题后,基建项目工程师数量节约率达19.7%,内部工程变更沟通效率提高了60%,企业领导也摆脱了繁杂的协调工作,证明了该对策的有效性,可为短时间内跨地区大规模开展基础建设企业基建管理体制优化提供参考。     

顾客口碑传播网络的结构与特性

以社会网络分析方法为基本手段,以大学生群体为代表对顾客口碑传播网络的结构开展研究,发现顾客口碑传播网络是一个密度较低的稀疏的网络,在网络中存在着规模较小的子群。根据对节点中心度的分析,定义了顾客口碑传播网络中的＂意见领袖＂、子群链结者和积极的口碑传播者3类特殊人物。以对顾客口碑传播网络结构分析的结果为基础,提出了企业开展口碑营销的对策。     

Sparse subspace clustering with jointly learning representation and affinity matrix

In recent years, sparse subspace clustering (SSC) has been witnessed to its advantages in subspace clustering field. Generally, the SSC first learns the representation matrix of data by self-expressive, and then constructs affinity matrix based on the obtained sparse representation. Finally, the clustering result is achieved by applying spectral clustering to the affinity matrix. As described above, the existing SSC algorithms often learn the sparse representation and affinity matrix in a separate way. As a result, it may not lead to the optimum clustering result because of the independence process. To this end, we proposed a novel clustering algorithm via learning representation and affinity matrix conjointly. By the proposed method, we can learn sparse representation and affinity matrix in a unified framework, where the procedure is conducted by using the graph regularizer derived from the affinity matrix. Experimental results show the proposed method achieves better clustering results compared to other subspace clustering approaches.     

基于FPGA的CCSDS图像数据压缩系统的设计

针对CCSDS图像数据压缩(IDC)标准,提出了一种基于FPGA的CCSDS IDC并行实现方案.该方案包括离散小波变换(DWT)、直流系数量化编码、位平面编码(BPE)、码字拼接等4个模块.位平面编码模块采用了并行扫描、并行编码的快速算法,以提高编码速度.仿真结果表明了本方案的可行性和有效性,处理时间比现有的CCSDS IDC串行编码改进方法减少了13.6%,适用于空间通信的图像数据压缩编码.     

一种基于CCSDS IDC标准的可伸缩性视频编码算法

空间通信具有资源受限和差错率高等特点。国际空间数据系统顾问委员会（CCSDS）所制定的图像数据压缩标准（IDC)）一种应用于空间通信的图像编码标准。但该标准未能利用序列的时域相关性,仅适用于图像编码,不适应于空间视频通信。因此,结合运动补偿时域滤波,提出了一种基于CCSDS IDC的可伸缩性视频编码算法以及一种新颖的动态帧分组算法。实验结果表明：该算法具有良好的编码性能,并能适应于空间通信网带宽的动态变化。     

Exploiting prior knowledge in compressed sensing to design robust systems for endoscopy image recovery

In this work, we investigate compressed sensing (CS) techniques based on the exploitation of prior knowledge to support telemedicine. In particular, prior knowledge is obtained by computing the probability of appearance of non-zero elements in each row of a sparse matrix, which is then employed in sensing matrix design and recovery algorithms for CS systems. A robust sensing matrix is designed by jointly reducing the average mutual coherence and the projection of the sparse representation error. A Probability-Driven Normalized Iterative Hard Thresholding (PD-NIHT) algorithm is developed as the recovery method, which also exploits the prior knowledge of the probability of appearance of non-zero elements and can bring performance benefits. Simulations for synthetic data and different organs of endoscopy image are carried out, where the proposed sensing matrix and PD-NIHT algorithm achieve a better performance than previously reported algorithms.